SQL Server：设置字符集（不是排序规则）

Question

在 SQL Server 中创建表时如何设置字段的默认字符集？在 MySQL 中这样做：

CREATE TABLE tableName (
    name VARCHAR(128) CHARACTER SET utf8
) DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci;

请注意，我在这里设置了两次字符集。这是多余的，我添加了两种方式只是为了演示。

我设置排序规则也是为了证明排序规则是不同的。我不询问设置排序规则。 Mostquestions 询问 SQL Server 中的字符集和编码，得到的回答是排序规则，这不是一回事。

Answer 1

As stated in BOL

每个 SQL Server 排序规则指定三个属性：

• 用于 Unicode 数据类型（nchar、nvarchar 和 ntext）的排序顺序。排序顺序定义了字符的顺序 排序，以及在比较操作中评估字符的方式。
• 用于非 Unicode 字符数据类型（char、varchar 和 text）的排序顺序。
• 用于存储非 Unicode 字符数据的代码页。

上面的引用来自 2000 个文档。 See also this 2008 link。下面也演示了这一点。

DECLARE @T TABLE 
(
     code TINYINT PRIMARY KEY,
     Arabic_CS_AS CHAR(1) COLLATE Arabic_CS_AS NULL,
     Cyrillic_General_CS_AS CHAR(1) COLLATE Cyrillic_General_CS_AS NULL,
     Latin1_General_CS_AS CHAR(1) COLLATE Latin1_General_CS_AS NULL
);

INSERT INTO @T(code) VALUES (200),(201),(202),(203),(204),(205)

UPDATE @T 
  SET Arabic_CS_AS=CAST(code AS BINARY(1)),
      Cyrillic_General_CS_AS=CAST(code AS BINARY(1)),
      Latin1_General_CS_AS=CAST(code AS BINARY(1))

SELECT * 
FROM @T   

结果

code Arabic_CS_AS Cyrillic_General_CS_AS Latin1_General_CS_AS
---- ------------ ---------------------- --------------------
200  ب            И                      È
201  ة            Й                      É
202  ت            К                      Ê
203  ث            Л                      Ë
204  ج            М                      Ì
205  ح            Н                      Í

Answer 2

扩展@Martin 的回答：

如何在 SQL Server 中设置“字符集”取决于您使用的数据类型。如果您正在使用：

• NVARCHAR、NCHAR 和 NTEXT（NTEXT 已弃用，自 SQL Server 2005 起不应使用）都使用 Unicode 字符集，并且无法更改。这些数据类型都被编码为 UTF-16 LE（Little Endian）——一种 16 位编码，每个“字符”为 2 或 4 个字节——这也无法更改。对于这些数据类型，使用的排序规则仅影响区域设置（由排序规则的 LCID 确定），该区域确定用于排序和比较的规则集。

• XML 与 N 前缀类型一样，使用 Unicode 字符集并编码为 UTF-16 LE（小尾数），并且两者都不能更改。但与其他字符串数据类型不同，没有与 XML 数据关联的排序规则，因为它无法排序或比较（至少在没有先将其转换为 NVARCHAR(MAX) [preferred] 或 VARCHAR(MAX) 之前不会）。

• VARCHAR、CHAR 和 TEXT（TEXT 已弃用，自 SQL Server 2005 起不应使用）都是 8 位编码，每个“字符”为 1 或 2 个字节.字符集由与每个排序规则关联的代码页确定。排序和比较规则取决于所使用的排序规则的类型：

  • SQL Server 排序规则：这些名称都以SQL_ 开头，自 SQL Server 2000 以来已被弃用，但（不幸的是）今天仍在广泛使用。这些使用简单的规则，在sys.fn_helpcollations() 返回的description 字段中找到“SQL Server 排序顺序”编号。
  • Windows 排序规则：它们的名称​​不以SQL_ 开头。这些排序规则允许非 Unicode 字符串数据使用排序规则的 LCID 指示的 Unicode 排序和比较规则。

话虽如此，要找出正在使用的字符集（CHAR、VARCHAR 和 TEXT - 即非 Unicode - 数据），运行以下查询并密切注意 @ 987654347@ 字段。 LCID 字段表示用于N 前缀的区域设置和比较规则 - 即 Unicode - 类型以及使用 Windows 排序规则的非 Unicode 类型if：

SELECT *,
       COLLATIONPROPERTY(col.[name], 'CodePage') AS [CodePage],
       COLLATIONPROPERTY(col.[name], 'LCID') AS [LCID]
FROM   sys.fn_helpcollations() col
ORDER BY col.[name];

可以通过 Code Page Identifiers 的 MSDN 页面将代码页 ID 转换为更有意义的内容。

---

关于@Martin 回答中的 O.P.comment：

不幸的是，他们选择了具有误导性/不完整的术语“整理”，该术语明确指的是排序顺序：整理定义。

虽然微软在选择名称时确实可以做得更好，但不幸的是，在“编码”、“字符集”、“排序规则”等术语上，整个行业普遍存在混淆。微软的使用 (或滥用）“整理”只是造成了大规模的混乱。但是，正如这个问题所示，这种混淆在 MySQL 中也很明显，因为“utf8”具体不是字符集;-)。

UTF-8 是 Unicode 字符集的几种编码之一。 UTF-16 和 UTF-32 是另外两种编码。所有这三种编码都表示完全相同的 Unicode 字符集，只是方式不同。查看 MySQL 字符集列表——11.1.10 Supported Character Sets and Collations——“ucs2”、“utf8”、“utf8mb4”、“utf16”、“utf16le”、“utf32”字符集实际上并不是字符集，而是各种表示形式Unicode 字符集。但是，鉴于“字符集”和“编码”概念之间的重叠，很难不产生这种混淆。 11.1.10.1 Unicode Character Sets 页面表明“utf8mb4”、“utf16”、“utf16le”和“utf32”字符集是完整的 Unicode 字符集，而“ucs2”和“utf8”是 Unicode 字符集的子集，特别是第一个65,536 个代码点（又名基本多语言平面 (BMP)）。

有关各种 RDBMS 的排序规则的更多信息，请参阅我在 DBA.StackExchange 上对以下问题的回答：

Does any DBMS have a collation that is both case-sensitive and accent-insensitive?

---

2018 年 10 月 2 日更新

虽然这还不是一个可行的选项，但 SQL Server 2019 在 VARCHAR / CHAR 数据类型中引入了对 UTF-8 的本机支持。目前它有太多的错误无法使用，但如果它们被修复，那么这是一些场景的一个选项。有关此新功能的详细分析，请参阅我的帖子“Native UTF-8 Support in SQL Server 2019: Savior or False Prophet?”。